一种基于GA深度优化机器学习的管道缺陷类型识别方法

作者：潘建华; 高伦; 赵冬军

来源：2022-06-24, 中国, CN202210729035.3.

本发明公开了一种基于GA深度优化机器学习的管道缺陷类型识别方法,获取不同缺陷类型下缺陷的三轴漏磁信号；针对缺陷的三轴漏磁信号提取信号特征参数；将轴向分量微分信号峰谷间距、周向分量峰谷中值间距、径向分量峰谷值、径向分量峰谷间距、轴向分量波形面积,以及将漏磁传感器上采集到缺陷漏磁信号的传感器个数作为缺陷类型的识别参数,构建样本集；构建神经网络,神经网络的输入为缺陷类型的识别参数,输出为缺陷类型；利用样本集训练并生成神经网络；对未知缺陷进行类型识别,将该未知缺陷的识别参数输入神经网络中进行预测,预测输出该未知缺陷的缺陷类型。本发明能够准确识别管道缺陷类型,具有重大工程意义和良好应用前景。